Ce cours constitue la seconde partie d'un enseignement consacré aux bases théoriques et pratiques des systèmes d’information géographique. - Il propose une introduction aux systèmes d’information géographique qui ne requiert pas de connaissances préalables en informatique. - Il donne la possibilité d’acquérir rapidement les notions de base qui vous permettent de créer des bases de données spatiales et de fabriquer des cartes géographiques. - Il s’agit d’un cours pratique qui repose sur l’utilisation de logiciels libres, notamment QGIS. Lors de la première partie du cours, vous avez exploré les principes de base de la numérisation du territoire et du stockage des géodonnées. Vous avez notamment appris à : - Caractériser des objets et des phénomènes spatiaux (modélisation du territoire) du point de vue de leur positionnement dans l’espace (systèmes de coordonnées et projections, relations spatiales) et en fonction de leur nature intrinsèque (mode objet ou vecteur vs. mode image ou raster); - Utiliser diverses méthodes d’acquisition de données (mesure directe, géoréférencement d’images, digitalisation, source de données existantes, etc.); - Utiliser divers modes de stockage des géodonnées (fichiers simples et bases de données relationnelles); - Utiliser des outils de modélisation des données pour décrire et implémenter une base de données; - Créer des requêtes dans un langage d’interrogation et de manipulation des données. La seconde partie du cours porte sur les méthodes d'analyse spatiale et les techniques de représentation de l'information géoréférencée. Vous apprendrez notamment à: - Analyser les propriétés spatiales de variables discrètes, par exemple en quantifiant l’autocorrélation spatiale; - Travailler avec des variables continues (échantillonnage, interpolation et construction de courbes d’isovaleurs) - Utiliser les modèles numériques d'altitude et leurs dérivées (pente, orientation, etc.); - Utiliser des techniques de superposition des géodonnées; - Produire des documents cartographiques selon les règles de la sémiologie graphique; - Explorer d’autres formes de représentation spatiale (cartographie interactive sur internet, représentations 3D, et réalité augmentée). La page https://www.facebook.com/moocsig fournit un forum interactif pour les participants à ce cours.
Variables dérivées (2)
Loading...
En provenance du cours de École Polytechnique Fédérale de Lausanne
Systèmes d’Information Géographique - Partie 2
20 notes
À partir de la leçon
Modèles numériques d'altitude
Le relief est le facteur révélateur et explicatif prépondérant des phénomènes survenus à la surface de la Terre. Il a fortement conditionné et orienté l’appropriation de l’espace géographique par les sociétés humaines. Selon ses propriétés, les règnes animal et végétal trouvent des conditions favorables à leur établissement et à leur développement. Il occupe, de ce fait, une place majeure en analyse spatiale et dans toute discipline dont l’objet concerne les activités humaines ou des phénomènes naturels. Ce chapitre présente un bref historique des modes d’acquisition de l’altitude, puis expose les algorithmes et leurs propriétés permettant de dériver les indicateurs descriptifs du relief.
Rencontrer les enseignants
Marc Soutter
Laboratoire de Systèmes d'Information Géographique
Stéphane Joost
Laboratoire de systèmes d'information géographique
Fernand Koffi KouaméProfesseur
Centre Universitaire de Recherche et d'Application en Télédétection (CURAT) - Université Félix HOUPHOUET-BOIGNY d'Abidjan-Cocody (Côte d'Ivoire)
Amadou Sall
Département de Géomatique - Centre de Suivi Ecologique (CSE), Sénégal
[MUSIQUE]
[MUSIQUE]
[MUSIQUE]
[MUSIQUE] Alors bienvenue
dans cette leçon qui va porter sur les dérivés du modèle numérique d'altitude
que sont les lignes d'écoulement et la délimitation des bassins versants
qui sont importants pour les études hydrologiques.
>> Après avoir présenté les variables dérivées les plus souvent utilisées dans
la leçon précédente, le but principal de cette ultime leçon consacrée au modèle
numérique d'altitude est de présenter une série d'autres variables thématiques
évoquées par Amadou Sall tout à l'heure.
En effet, l'altitude constitue une variable primaire qui permet de déterminer
des zones qui, du fait de leurs caractéristiques topographiques comme la
pente, la courbure ou l'orientation, elles sont recherchées ou au contraire évitées.
Mais il y a des propriétés remarquables, des modèles numériques d'altitudes
qui permettent de produire d'autres variables et vous apprendrez ici comment
les calculer et comment il est possible de les utiliser dans des applications
pratiques liées à l'évaluation de dangers naturels notamment.
Nous aborderons, dans un premier temps, les analyses basées sur
l'exploitation de lignes de vue comme l'analyse de visibilité,
l'ombre portée et l'ombre projetée ou encore le calcul du taux d'ensoleillement.
Et ensuite, nous présenterons des variables liées à l'hydrologie
comme les lignes de drainage ou la limite des bassins versants.
Et finalement, nous montrerons comment certains de ces indicateurs
peuvent être utilisés pour évaluer des dangers naturels
et quels rôles ils peuvent avoir dans le domaine de la santé publique.
[MUSIQUE] Différentes approches
exploitent ce que l'on appelle les lignes de vue sur un modèle numérique d'altitude.
Une ligne de vue est une ligne droite qui relie deux points
et qui est constituée de tous les pixels qui sont situés sur son tracé.
La première approche, présentée ici,
est appelée analyse de visibilité, et elle s'attache à déterminer les zones visibles
depuis un point de vue donné représenté ici en rouge.
La technique se base sur l'analyse de toutes les lignes de vue,
c'est-à-dire dans toutes les directions par rapport au relief.
Et elle permet d'identifier clairement une zone de visibilité
représentée en jaune sur l'illustration,
et une zone invisible qui est laissée en blanc, et ceci depuis le point de vue.
Cette fonction est fréquemment utilisée en analyse d'impact sur le paysage.
Quand il s'agit par exemple d'implanter une nouvelle construction,
et d'identifier ce qui apparaît dans le champ visuel à partir de cette dernière.
Et dans le sens inverse, une analyse de visibilité permet de se rendre compte de
l'impact visuel qu'aura une éolienne par exemple,
depuis quels endroits l'éolienne sera-t-elle visible.
Ce type d'analyse est utilisé également pour évaluer les zones de réception
d'une antenne pour la téléphonie mobile.
Sur la figure en bas à droite, l'émetteur est placé au centre du cercle dont
le rayon correspond à la puissance de l'installation.
Les zones en brun ne sont pas dans le champ de visibilité et
la réception risque d'être faible ou nulle.
L'ombrage des modèles numériques de terrain permet de représenter
l'information d'altitude sous une forme offrant la perception du relief.
La technique mise en œuvre est le calcul de ligne de vue
dans une des réactions données à partir de la position de la source lumineuse.
On se contente souvent de griser,
selon l'intensité de la pente, les zones d'orientation opposées à celles du soleil
et présentant une inclinaison supérieure à celle des rayons solaires.
L'ombre est alors dite portée.
Maintenant, si l'on détermine l'ombre réelle produite par le relief qui fait
écran au rayons solaires, on parle alors d'ombre projetée.
L'analyse du rayonnement potentiel, c'est-à-dire de l'ensoleillement reçu
sans tenir compte d'une éventuelle couverture nuageuse
repose sur une approche similaire à celle utilisée pour le calcul de l'ombrage.
Elle prend en considération les ombres projetées.
Chaque maille correspondant à un point du modèle numérique d'altitude
reçoit un ensoleillement qui dépend de la hauteur du soleil,
de la transparence de l'atmosphère,
de la pente et de l'orientation ainsi que de la ligne d'horizon.
Le résultat est donné en kilowatt-heure par mètre carré.
La technique repose sur la définition en tout pixel de la grille d'un horizon sur
360 degrés, semblable à celui qui est illustré ici sur la droite.
Et sur cette base, des algorithmes spécifiques disponibles dans le logiciel
libre SAGA par exemple, permettent de calculer pour chaque pixel,
l'énergie potentielle reçue du soleil pour une période de temps précise.
En effet, pour une localisation géographique donnée, il est nécessaire de
savoir à quel point de l'horizon et à quelle heure le soleil se lève et quelle
sera l'onde de la trajectoire de ses rayons dans le ciel avant de se coucher.
Ces algorithmes permettent de calculer des grilles dont les pixels expriment
l'énergie radiative potentielle du soleil reçue sur le relief.
Ici, on a à gauche un modèle numérique d'altitude à 25 mètres de résolution
sur lequel on s'est basé pour construire la carte de droite qui montre l'énergie
solaire potentielle cumulée pendant une journée.
[MUSIQUE] Passons
maintenant aux variables thématiques liées à l'hydrologie.
Nous allons commencer par les lignes de drainage.
Une ligne de drainage est le chemin théorique qu'une goutte d'eau qui
tombe sur le relief est censée parcourir jusqu'à l'exutoire du bassin versant.
On va supposer,
pour effectuer les calculs, que la surface du sol est lisse et imperméable.
Alors dans un premier temps,
la pente est déterminée pour chaque pixel du modèle numérique d'altitude.
Et ensuite, on va partir de chaque point haut du bassin versant,
donc des points qui appartiennent aux lignes de crête.
Et les lignes d'écoulement sont déterminées de proche en proche
selon la ligne de plus forte pente.
Et de l'ensemble des lignes ainsi tracées,
on déduit ce que l'on appelle la densité de drainage.
Ce paramètre, la densité de drainage, est utilisé en hydrologie.
Il est la longueur totale des cours d'eau d'un bassin versant par unité de surface.
Et on a établi de nombreuses corrélations entre ce paramètre et le débit moyen
de rivière ou les précipitations moyennes, ou encore la production de sédiment.
Plusieurs approches sont possibles pour déterminer automatiquement les bassins
versants avec l'aide d'un modèle numérique d'altitude.
Elles se divisent en deux catégories.
La première cherche d'abord à déterminer les lignes de crête à partir d'un exutoire
en suivant de proche en proche les points d'altitude de plus en plus élevés.
Et la deuxième catégorie construit le bassin versant également
à partir de l'exutoire, mais en agrégeant les points voisins les plus élevés.
Et de proche en proche, les limites du bassin versant sont atteintes.
Si le principe apparaît simple et logique aussi, les résultats sont
souvent imparfaits, et ceci en raison de minima locaux ou d'erreurs qui sont dues
à la forme en selle de cheval que forme un col sur une ligne de crête notamment.
Alors une méthode proposée par Vincent et Soille
en 1991 permet d'éviter ces problèmes.
Et nous en décrivons ici les principes avec l'aide d'un modèle numérique
d'altitude simple à une dimension et contenant dix points d'altitude.
Dans un premier temps, les points ou les pixels sont numérotés
de 1 à N selon leur ordre initial depuis un bord de manière à la identifier.
On construit ensuite un diagramme avec en abscisse, étude de celui-ci.
En parallèle, on établit le diagramme altitude-fréquence en notant pour chaque
point son numéro d'identification.
Et dans notre cas, deux pixels font partie de la classe d'altitude un en vert,
cinq font partie de la seconde classe, ce sont les points orange,
en enfin trois font partie de la classe la plus élevée, ce sont les points bleus.
L'algorithme identifie, pour commencer,
le ou les pixels avec l'altitude la plus basse.
S'ils sont isolés, ils forment chacun le germe d'un bassin versant distinct.
Dans notre exemple, le pixel 1 présente une valeur minimale.
Il forme le premier point du bassin versant bleu.
Le deuxième point bas, le numéro 6,
également de valeur minimale, est sélectionné ensuite.
Comme il n'est pas adjacent au point 1,
il forme le point de départ d'un deuxième bassin versant : le rouge.
Si aucun autre pixel ne se trouve à la même altitude,
on élève le niveau d'altitude jusqu'à ce que l'on rencontre un nouveau point.
Comme le point 2 est adjacent à un pixel déjà affecté au bassin versant bleu,
il y est affecté.
Et on procède ainsi de suite jusqu'à la fin du processus,
donc jusqu'à ce que tous les pixels soient affectés à un bassin versant.
Le système fonctionne comme si le relief se remplissait progressivement d'eau par
une nappe phréatique qui s'élève jusqu'à ce que l'ensemble se retrouve inondé.
Les deux bassins qui se rejoignent forment la ligne de crête qui les sépare.
[MUSIQUE] Nous
vous proposons maintenant d'illustrer l'utilisation des variables thématiques
dérivées de modèles numériques d'altitude et présentées dans cette leçon.
Nous avons choisi des exemples qui démontrent l'utilité de ces
variables dans des cas réels.
Et chaque exemple est tiré d'une publication scientifique en libre accès et
qui contient tous les détails de la méthodologie appliquée.
Le premier exemple choisi concerne l'identification de zones
inondables à Akure, une ville du Nigeria qui compte environ 495 000 habitants.
Cette ville a connu Une croissance importante en raison de son rôle central
dans l'administration et dans l'économie locale.
Akure connaît une saison des pluies qui dure environ sept mois,
d'avril à octobre, avec des précipitations annuelles moyennes de l'ordre de
1 500 millimètres par mètre carré.
Et en raison de l'augmentation croissante de la demande en terrains à bâtir,
la ville a été contrainte de définir précisément les zones inondables afin d'y
retirer des zones constructibles.
Et dans cette étude, on a d'abord classifié des images satellite Landsat
pour mettre en évidence les changements qui ont eu lieu dans l'utilisation du sol
dans les zones urbaines et pour la période étudiée, soit entre 2002 et 2011.
Et ceci a permis de constater une augmentation des zones
bâties et une diminution de la végétation riveraine
ce qui a causé une réduction du potentiel d'absorption des sols.
Les scientifiques ont ensuite utilisé un modèle numérique de terrain, le SRTM
ou Shuttle Radar Topography Mission de la NASA à 90 mètres de résolution spatiale.
Avec l'aide du modèle numérique d'altitude, on a calculé la pente,
ce qui a permis d'identifier les lignes de drainage.
Les auteurs ont ensuite intégré les données de précipitations
moyennes annuelles collectées en différents points de la zone d'étude.
Les différentes couches d'information utilisées, soit l'utilisation du sol,
les lignes de drainage et les précipitations ont été pondérées en
fonction de leur probabilité de contribuer à une inondation, puis combinées
au moyen d'une approche multi-critères pour créer une carte de risque,
soit une carte de vulnérabilité aux inondations en trois classes.
Le deuxième exemple est consacré aux éboulements rocheux.
Il est situé dans le bassin versant de Dades au Maroc,
il s'agit d'une zone instable et sensible aux mouvements de terrain.
Le but ici a été de créer une carte de risque des éboulements rocheux.
Pour ce faire, différents critères ont été pris en compte.
Avec le modèle numérique d'altitude SRTM à 90 mètres de résolution spatiale,
on a tout d'abord calculé la pente pour observer que 30 % de la zone d'étude
présente des pentes fortes à très fortes.
De plus, la zone amont est fortement pentue et accidentée,
d'où son caractère instable.
Les auteurs ont également numérisé des cartes géologiques afin de
prendre en compte la lithologie.
En effet, les différents types de roches et leurs structures
constituent une information importante permettant de
caractériser le risque de mouvements sur le versant.
Les couches géologiques les plus sensibles aux mouvements sont les calcaires et
les dolomies massives qui sont représentés en bleu clair sur la carte, mais aussi
les calcaires marneux qui sont représentés en bleu foncé ainsi que les conglomérats
et les couches gréso-argileuses qui sont figurés en jaune.
Il en ressort que 50 % de la région est constituée des couches les plus
sensibles aux mouvements.
Comme la stabilité des pentes rocheuses est essentiellement contrôlée
par la densité des fractures tectoniques et par leur orientation,
une autre couche d'information a été créée à partir de levés de terrains
et d'une image satellite Landsat afin de les localiser.
C'est un critère important puisque le Haut Atlas est en phase de soulèvement
tectonique et que les failles représentent un facteur déstabilisateur des versants.
Les caractéristiques de pente, de sensibilité aux mouvements et de
fracturation ont été combinées afin de produire une carte de risque.
Chaque facteur a été ventilé en cinq classes qualitatives
allant de très faible à très fort.
La carte de risque résultante exprime pour chaque pixel
une combinaison des classes qualitatives fournies par les trois facteurs.
Cette carte montre cinq classes d'aléas
allant de risque très faible à risque très élevé.
Il en résulte principalement que 25 % de la surface du bassin
est soumise à un risque fort.
[MUSIQUE] Nous
terminons avec un exemple pris dans le domaine de la santé publique
qui illustre bien l'étendue des applications pour lesquelles
un modèle numérique d'altitude peut fournir des services précieux.
Il s'agit d'une étude sur la schistosomiase,
publiée dans PLOS Neglected Tropical Diseases en 2015.
La schistosomiase est la maladie liée à l'eau la plus répandue
en Afrique subsaharienne.
Elle est véhiculée par des escargots d'eau douce,
qui agissent comme des hôtes intermédiaires.
Et le but de l'étude qui est présentée ici est de définir l'habitat potentiel de ce
vecteur afin d'identifier les zones à risque pour la transmission de la maladie
et ceci dans une région du Burkina Faso proche de Ouagadougou.
Alors plusieurs variables environnementales ont été prises en compte
pour délimiter l'habitat potentiel de cet escargot.
Il y a d'une part la persistance de l'eau qui stagne dans de petites dépressions à
la surface de la terre et ceci est un facteur qui est calculé à partir d'images
satellite RapidEye à six mètres et demie de résolution
et d'images Landsat également à 30 mètres de résolution,
images qui ont été prises à différentes périodes.
Et il y a également la température de l'eau qui influence la mortalité de
l'escargot et qui a été dérivée de la bande thermale des images satellite.
La couverture végétale a également été analysée
puisque la végétation affecte le métabolisme des escargots.
Et enfin, la profondeur de l'eau et la vitesse du courant
ont été calculés à partir du modèle numérique d'altitude
ASTER à 30 mètres de résolution ainsi qu'à partir de cartes de pente dérivées.
Une fonction multi-critères additive a finalement permis de
pondérer et de combiner les variables environnementales
pour élaborer un indice d'habitat potentiel.
Et cet indice permet d'estimer le risque pour qu'une zone spécifique soit favorable
à la transmission de la schitosomiase, plus la teinte du pixel est rouge,
plus le risque est élevé.
Une telle carte est susceptible de soutenir les mesures de prévention
et de contrôle aussi pour limiter la diffusion de la maladie.
[MUSIQUE] Dans cette leçon,
nous vous avons présenté des variables thématiques,
dérivées des modèles numériques d'altitude qui permettent de compléter les analyses
réalisables avec l'aide des mesures de pente, d'orientation et de courbure.
Les analyses de visibilité en particulier trouvent
de nombreuses applications en écologie lorsque l'on cherche
à évaluer l'impact d'une nouvelle construction dans le paysage par exemple.
Et à l'heure où l'on favorise l'utilisation des énergies renouvelables,
la possibilité de calculer l'énergie solaire potentielle reçue sur le relief
constitue également une information importante.
Les modèles numériques d'altitude jouent également un rôle important en hydrologie,
et vous savez maintenant comment calculer des lignes de drainage ainsi que
comment délimiter un bassin versant.
Pour terminer,
les exemples fournis vous ont permis de réaliser que les modèles numériques
d'altitude s'avèrent très utiles pour mettre au point les moyens de prévention.
Inondations, glissements de terrain, éboulements,
urbanisme ou encore santé publique, ce sont autant de domaines pour lesquels les
modèles numériques d'altitude sont des outils précieux.
Voilà pour les modèles numériques d'altitude.
Dès la leçon suivante, nous nous intéresserons à l'interaction
entre couches de données dans les systèmes d'information géographique.
[MUSIQUE] [MUSIQUE]
Explorer notre catalogue
Rejoignez-nous gratuitement et obtenez des recommendations, des mises à jour et des offres personnalisées.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2018 Coursera Inc. Tous droits réservés.
